海量数据算法

http://topic.csdn.net/u/20090806/16/72971F41-0EE8-48C3-BBD9-43572A78AD1F.html

1.有1亿个浮点数，请找出其中对大的10000个。提示：假设每个浮点数占4个字节，1亿个浮点数就要站到相当大的空间，因此不能一次将全部读入内存进行排序。

2:在一个文件中有 10G 个整数，乱序排列，要求找出中位数。内存限制为 2G。只写出思路即可。

3:有一篇英文文章(也就是说每个单词之间由空格分隔)，请找出“csdn”着个单词出现的次数，要求效率最高，并写出算法的时间级。

4：给定一个日期2031-7-2，求出该日为星期几(已知2002-3-28为星期四)。只要求说明思路，不要写java code

1.有1亿个浮点数，请找出其中对大的10000个。提示：假设每个浮点数占4个字节，1亿个浮点数就要站到相当大的空间，因此不能一次将全部读入内存进行排序。

答:
1.每100万个一组,读到内存（大约要4M内存）中,构建大顶堆，把堆顶（最大数）和文件号记录到一个100大小的数组A，再写回到磁盘，形成一个文件，这样共形成100个文件。
2。这时，A数组也添满了，再对这A数组建大顶堆。
3.堆顶A[0]输出。
4.对堆顶对应的文件（同文件号确定）去掉堆顶后重新调整堆，再把新的堆顶放到A[0].
5.对A调整堆。
6. 对2～4步循环10000次，最大的10000个数就选出来了。

2:在一个文件中有 10G 个整数，乱序排列，要求找出中位数。内存限制为 2G。只写出思路即可。

答：
简单的说.
1. 每次读入500M个整数用快速排序排序。存为文件。
2.把产生的20个文件用归并排序两两合并，直到归为一个文件。
3.在文件中找到第5G和第5G+1个数，求这两个数的平均数即所求。


3:有一篇英文文章(也就是说每个单词之间由空格分隔)，请找出“csdn”着个单词出现的次数，要求效率最高，并写出算法的时间级。

答：
1.把整个文章存入char[]数组chars。
2.根据下标变量index扫描chars。
3.如果chars[index]==' ' && chars[index+1]!=' ';则从index+1开始判断接下来的四个字符是不是csdn.只要有一个不匹配，或者下一个字符是空格，则不再匹配。如果全匹配则counter++.
算法的时间复杂度为O(n) n为文章的长度。和“csdn”没有关系，index不会有重复的值。

4：给定一个日期2031-7-2，求出该日为星期几(已知2002-3-28为星期四)。只要求说明思路，不要写java code

答：
1.根据条件，2002-3-31为星期日.
2.从2002-4-1开始统计到2031-7-2的天数counter。
3.2002年 4，5，6，7，8，9，10，11，12月数加起来30*9+5=275天。
4.2003~2030年的天数=365*(30-3+1)+30/4
5.2031年的天数，1～6月的天数=6*30+3-2
7.20031年7月的天数为2.
8.上面3～5的天数之和放入counter.
9.counter%7为0是星期天，其它情况是几就是星期几。

我估计不让用Calender。用Calender就简单了。2002-3-28为星期四这个条件也就没有用了。